雪花形状识别分类算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 课题研究的背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 研究内容与结构安排 | 第10-12页 |
| 第2章 雪花图像的特征提取方法研究 | 第12-36页 |
| 2.1 雪花图像的获取 | 第12-13页 |
| 2.2 雪花图像的预处理 | 第13-19页 |
| 2.2.1 雪花图像的平滑处理 | 第14-16页 |
| 2.2.2 雪花图像的二值化处理 | 第16-17页 |
| 2.2.3 雪花图像的形态学操作 | 第17-19页 |
| 2.3 雪花图像的特征提取 | 第19-35页 |
| 2.3.1 雪花轮廓提取 | 第19-21页 |
| 2.3.2 求取雪花凸包 | 第21-22页 |
| 2.3.3 求取最小包围盒 | 第22-23页 |
| 2.3.4 轮廓特征参数提取 | 第23-31页 |
| 2.3.5 纹理特征参数提取 | 第31-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第3章 基于支持向量机的雪花形状分类研究 | 第36-54页 |
| 3.1 支持向量机的原理 | 第36-40页 |
| 3.1.1 线性可分情况 | 第37-39页 |
| 3.1.2 线性不可分情况 | 第39-40页 |
| 3.2 SVM分类器的设计和分类 | 第40-53页 |
| 3.2.1 模型建立 | 第40-42页 |
| 3.2.2 基于轮廓特征的仿真与分析 | 第42-48页 |
| 3.2.3 基于纹理特征的仿真与分析 | 第48-53页 |
| 3.3 本章小结 | 第53-54页 |
| 第4章 基于BP神经网络的雪花形状分类研究 | 第54-64页 |
| 4.1 人工神经网络的发展历史 | 第54页 |
| 4.2 BP神经网络原理 | 第54-56页 |
| 4.3 BP神经网络分类器的设计和分类 | 第56-63页 |
| 4.3.1 模型建立 | 第57-59页 |
| 4.3.2 基于轮廓特征仿真与分析 | 第59-62页 |
| 4.3.3 基于纹理特征仿真与分析 | 第62-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第5章 雪花形状识别分类系统 | 第64-70页 |
| 5.1 MATLAB的GUI工具箱简介 | 第64页 |
| 5.2 雪花形状识别分类系统设计 | 第64-68页 |
| 5.2.1 系统功能设计 | 第64-65页 |
| 5.2.2 GUI创建及测试 | 第65-68页 |
| 5.3 本章小结 | 第68-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间所发表的论文 | 第76-78页 |
| 致谢 | 第78页 |
